Comparar a Utilização da CPU entre Bancos de Dados

Você pode comparar o uso da CPU entre vários bancos de dados clicando na guia Agregar. A exibição do resumo da utilização de recursos em todos os bancos de dados permite identificar pontos no tempo em que pode ter havido picos inesperados na utilização de recursos.

Mapa de Árvore Agregado

Quando a guia Agregar é selecionada na página Detalhes da CPU, a metade superior da página exibe um mapa em árvore de todos os bancos de dados ativados para o Ops Insights no compartimento. Por padrão, o gráfico mostra a divisão da CPU por banco de dados individual, que permite comparar como os diferentes bancos de dados individuais estão usando seus recursos. Para comparar o uso de recursos da CPU em vários bancos de dados, você pode agrupar os bancos de dados por Tipo de Banco de Dados, Nível de Utilização, CDB, Host, Cluster de VMs, Exadata, Tags de Formato Livre e Tags Definidas.


O gráfico mostra a view agregada para uso da CPU do BD

A visualização do mapa de árvore mostra a frota de banco de dados total do compartimento (ou a hierarquia entre compartimentos) como um conjunto de retângulos dividindo toda a tela visual e dimensionada em proporção a uma métrica de dimensionamento. Cada banco de dados é um retângulo e os tamanhos relativos dos retângulos são facilmente comparados. O mapa em árvore inteiro representa o total do compartimento na métrica de dimensionamento, de modo que a decomposição dos totais da frota por banco de dados é a base fundamental dessa visualização. Por exemplo, a utilização da CPU e a variação percentual são representadas visualmente, por meio do tamanho e da cor das células, respectivamente. As células maiores em tamanho utilizam mais recursos da CPU do que as células menores. A maior célula seria a dos bancos de dados que usam a maioria dos recursos da CPU. A cor das células é determinada pela variação percentual nos recursos da CPU usados pelos bancos de dados.

A seleção de um grupo específico combina dados de todos os membros do grupo para gerar o gráfico Tendência e Previsão, que permite exibir a utilização prevista para o recurso específico juntamente com a tendência de utilização atual. Você também pode clicar em um único membro de um grupo para exibir tendências e previsões para um único banco de dados.

Agrupamento de Mapa de Árvore da CPU

Por padrão, o mapa de árvore da CPU mostra Todos os Bancos de Dados como o grupo, o que significa que há apenas um único grupo composto por todos os bancos de dados no compartimento e que cada área da célula do banco de dados é dimensionada proporcionalmente à métrica de dimensionamento.

O mapa de árvore pode ser organizado como uma hierarquia de dois níveis selecionando uma propriedade Agrupamento. Aqui, o mapa de árvore é dividido primeiro em grupos e, depois, em células individuais dentro dos grupos. Isso permite fazer comparações de tamanho de grupo além do tamanho da célula.

As seguintes opções estão disponíveis para a propriedade Agrupamento:

  • Tipo de banco de dados
  • Nível de Utilização
  • CDB
  • Host
  • Cluster de VMs
  • Exadata
  • Tags de Formato Livre
  • Tags definidas

O agrupamento por tipo de banco de dados permite que os footprints de uso e alocação sejam comparados por tipo de banco de dados, enquanto o agrupamento por nível de utilização permite fazer uma rápida avaliação dos footprints de alocação super e subutilizados. Para obter mais informações sobre o agrupamento de tags, consulte: Agrupar por Tags.

Dimensionamento de Mapa de Árvore da CPU

Duas métricas de dimensionamento são oferecidas para o Mapa de Árvore:

  • Uso (Média de CPUs Ativas) - Células maiores do banco de dados são maiores consumidores de CPU. Esse dimensionamento é especialmente útil em definições de nuvem com medição de CPU, uma vez que é efetivamente a "taxa de consumo" relativa desses bancos de dados.
  • Alocação – As CPUs alocadas disponíveis para o banco de dados pelo OCI. As células do banco de dados são dimensionadas por alocação de CPU. Para cenários de "alocação fixa", esse é o custo fixo relativo da CPU dos bancos de dados.

Essas duas opções permitem que usuários de bancos de dados Autônomos, locais e dedicados avaliem os custos relativos versus os níveis de utilização de suas respectivas frotas de bancos de dados, já que os diferentes modelos de custo são abordados.

Cor do Mapa de Árvore da CPU

O mapa de árvore da CPU pode ser colorido usando as duas opções a seguir:

  • Utilização (%) - Uso Médio como uma porcentagem de Alocação Máxima no intervalo de tempo
  • Alteração de Uso (%) - Variação percentual na tendência linear de Uso Médio no intervalo de tempo

As cores para Utilização (%) são tons de verde (marca da CPU) de claro a escuro em quartis crescentes: 0-25%, 25-50%, 50-75%, >75%. Eles podem ser vistos no gráfico acima.

As cores para Alteração de Uso (%) usam duas paletas de cores conforme visto abaixo. Alterações positivas no uso são coloridas em tons de verde (CPU), claro a escuro com valores positivos crescentes. Alterações negativas no uso são coloridas em tons de âmbar, claro a escuro com valores negativos crescentes. Este regime é um pouco mais complexo, mas captura a distinção crucial de positivo de negativo, bem como o grau de mudança em ambos os sentidos.

O gráfico ilustra o uso da coloração do mapa de árvore.

Na página Agregação de Detalhes da CPU selecionada acima, o dimensionamento do Mapa de Árvore é por Alocação Máxima e a coloração é por Alteração de Uso (%). As células do banco de dados são agrupadas por Tipo de Banco de Dados, e o grupo ADW-D (Autonomous Data Warehouse - Dedicado) é selecionado.

Vemos que a tendência e as previsões para o uso Máximo e Médio de CPU do banco de dados ADW-D são bastante uniformes e com variação relativamente baixa. No entanto, dentro do grupo há quatro bancos de dados, dois estão tendo crescimento no uso (tons verdes) e dois estão sofrendo redução no uso (tons de âmbar.) Além disso, podemos ver facilmente que os bancos de dados ADW-D representam aproximadamente 1⁄4 da alocação total de CPU do banco de dados no compartimento. Também podemos fazer drill-down individualmente dos bancos de dados que estão crescendo e diminuindo dentro do grupo para analisar suas tendências e previsões específicas.